【技术实现步骤摘要】
目标情感分析的方法、模型训练方法、介质和设备
本公开涉及自然语言处理
,具体而言,涉及一种目标情感分析(TargetedSentimentAnalysis,简称:TSA)的方法及装置、TSA模型训练方法及装置,以及计算机存储介质和电子设备。
技术介绍
TSA任务是确定语句中目标词的情感极性类别,例如,对于语句“这家餐厅的食品很好吃,但是服务比较差。”对于其中的目标词“食品”的情感极性类别为积极类型,对于另一个目标词“服务”的情感极性类别为消极类型。随着机器学习技术的发展,机器学习技术可被用于解决TSA任务。现有技术中,通过卷积神经网络对语句以及语句中的目标词进行特征提取,以通过提取到的特征实现对目标词的情感极性类别的预测。然而,相关技术提供的目标情感分析的方案的预测准确度有待提高。需要说明的是,上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解。
技术实现思路
本公开的目的在于提供一种TSA的方法及装置、TSA模型训练方法及装置,以及计算机存储介质和电子设备,进而至少在一定程度上提升对目标词的情感极性类别的预测准确度。本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。根据本公开的一个方面,提供一种目标情感分析的方法,包括:对于待测语句中每个词,获取当前词的词向量、获取用于表示上述当前词的全局语义信息的文本向量,以及获取用于表示上述当前词在上述待测语句中位置信息的位置向量;对上述待测语句中的每个词的:词向量、文本向 ...
【技术保护点】
1.一种目标情感分析的方法,其特征在于,所述方法包括:/n对于待测语句中每个词,获取当前词的词向量、获取用于表示所述当前词的全局语义信息的文本向量,以及获取用于表示所述当前词在所述待测语句中位置信息的位置向量;/n对所述待测语句中的每个词的:词向量、文本向量和位置向量进行编码,得到所述待测语句的语义向量;/n获取所述待测语句中目标词对应的目标向量;/n根据所述语义向量和所述目标向量预测所述目标词的情感极性类别。/n
【技术特征摘要】
1.一种目标情感分析的方法,其特征在于,所述方法包括:
对于待测语句中每个词,获取当前词的词向量、获取用于表示所述当前词的全局语义信息的文本向量,以及获取用于表示所述当前词在所述待测语句中位置信息的位置向量;
对所述待测语句中的每个词的:词向量、文本向量和位置向量进行编码,得到所述待测语句的语义向量;
获取所述待测语句中目标词对应的目标向量;
根据所述语义向量和所述目标向量预测所述目标词的情感极性类别。
2.根据权利要求1所述的目标情感分析的方法,其特征在于,所述待测语句中包含一个或多个目标词。
3.根据权利要求1所述的目标情感分析的方法,其特征在于,所述对所述待测语句中的每个词的:词向量、文本向量和位置向量进行编码,得到所述待测语句的语义向量,包括:
通过注意力机制处理所述待测语句中的每个词的:词向量、文本向量和位置向量,得到第一处理向量;
将所述待测语句中的每个词的:词向量、文本向量和位置向量,与所述第一处理向量进行残差连接,得到第二处理向量;
标准化处理所述第二处理向量,得到第三处理向量;
对所述第三处理向量进行线性转换处理,得到所述待测语句的语义向量。
4.根据权利要求1所述的目标情感分析的方法,其特征在于,所述对所述待测语句中的每个词的:词向量、文本向量和位置向量进行编码,得到所述待测语句的语义向量,包括:
通过遮蔽语言模型方式和下一语句预测方式预训练深度学习模型;
通过预训练后的深度学习模型对所述待测语句中的每个词的:词向量、文本向量和位置向量进行编码,得到所述待测语句的语义向量。
5.根据权利要求1所述的目标情感分析的方法,其特征在于,所述获取所述待测语句中目标词对应的目标向量,包括:
对所述待测语句中的目标词进行词嵌入处理,得到所述目标向量。
6.根据权利要求1至5中任意一项所述的目标情感分析的方法,其特征在于,所述根据所述语义向量和所述目标向量预测所述目标词的情感极性类别,包括:
对所述语义向量和所述目标向量进行第一全连接处理,得到全连接向量;
结合所述目标向量,对所述全连接向量进行第二全连接处理,以得到待测向量;
根据所述待测向量预测所述目标词的情感极性类别。
7.根据权利要求6所述的目标情感分析的方法,其特征在于,所述结合所述目标向量,对所述全连接向量进行全连接处理,包括:
对第i次全连接处理之后的全连接向量和所述目标向量进行求和处理,并对求和处理之后的向量进行第i+1次全连接处理,其中,i取值为正整数。
8.根据权利要求6所述的目标情感分析的方法,其特征在于,所述根据所述待测向量预测所述目标词的情感极性类别,包括:
对所述待测向量进行归一化处理,得到所述目标词的情感极性类别。
9.根据权利要求6所述的目标情感分析的方法,其特征在于,所述获...
【专利技术属性】
技术研发人员:刘巍,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。